基于自动编码机-分类器的视频交通状态自动识别

作者：彭博; 张媛媛; 王玉婷; 唐聚; 谢济铭

来源：吉林大学学报（工学版）, 2021, 51(03): 886-892.

DOI：10.13229/j.cnki.jdxbgxb20200039

• 交通运输系统工程
• 交通状态识别
• 自动编码机
• 交通视频
• 深度学习

为了及时、有效地识别道路交通状态,提出了结合自动编码机与分类器的视频交通状态识别方法。首先,建立交通状态视频图像数据集,对自动编码机隐藏层和降维数据维度等结构参数进行优化测试。然后,提出自动编码机定量评价方法,选出最优自动编码机模型A*。最后,将A*与线性分类器、支持向量机、深度神经网络、DNN Linear分类方法相结合,构建了4个交通状态识别模型。对前述模型及AlexNet、LeNet、GoogLeNet、VGG16等CNN模型进行训练测试,结果显示:本文模型精确率和召回率均为94.5%～97.1%,F1值均为94.4%～97.1%,CNN模型中AlexNet表现最佳,精准率、召回率以及F1值均为94%,表明A*与常用分类器结合,达到或超越了复杂CNN模型的交通状态识别效果。本文方法训练测试简便、计算成本低,适用于视频图像的交通状态识别。

• 单位
  交通运输学院; 重庆交通大学